본 연구의 목적은 최신 상용 소프트웨어에서 지원하고 있는 영상 모자이크 기법을 비교 분석하고, 제작된 모자이크 영상들의 정량적인 품질평가 방법을 제시하는 것이다. 상대적으로 뛰어난 성능을 나타내는 것으로 알려져 있는 모자이크 기법을 계절적 특성이 서로 다른 7장의 KOMPSAT-2 위성영상에 적용하였고, 각각의 결과를 시각적으로 비교 분석하였다. 또한, 제작된 모자이크 영상의 성능을 비교 할 수 있는 정량적 평가지수를 제안하고, 시각적 결과와 비교 검증을 수행함으로써 제안된 품질평가 지수의 적용 가능성을 제시하였다.
본 연구의 목적은 최신 상용 소프트웨어에서 지원하고 있는 영상 모자이크 기법을 비교 분석하고, 제작된 모자이크 영상들의 정량적인 품질평가 방법을 제시하는 것이다. 상대적으로 뛰어난 성능을 나타내는 것으로 알려져 있는 모자이크 기법을 계절적 특성이 서로 다른 7장의 KOMPSAT-2 위성영상에 적용하였고, 각각의 결과를 시각적으로 비교 분석하였다. 또한, 제작된 모자이크 영상의 성능을 비교 할 수 있는 정량적 평가지수를 제안하고, 시각적 결과와 비교 검증을 수행함으로써 제안된 품질평가 지수의 적용 가능성을 제시하였다.
The purpose of this paper is to provide a compact overview of the state-of-art image mosaic algorithms in commercial softwares and to propose objective assessment method of that. Among them, several algorithms, widely used and high quality, result in the mosaic image by applying to seven different k...
The purpose of this paper is to provide a compact overview of the state-of-art image mosaic algorithms in commercial softwares and to propose objective assessment method of that. Among them, several algorithms, widely used and high quality, result in the mosaic image by applying to seven different kinds of seasons of KOMPSAT-2 images and then consequently each result is analyzed visually. Moreover, quality index is suggested to assess the similarity with colors regarding adjacency images and then it is performed by comparing and analyzing the visual and quantitative results. Consequently, we found out the suggested quality index is feasible.
The purpose of this paper is to provide a compact overview of the state-of-art image mosaic algorithms in commercial softwares and to propose objective assessment method of that. Among them, several algorithms, widely used and high quality, result in the mosaic image by applying to seven different kinds of seasons of KOMPSAT-2 images and then consequently each result is analyzed visually. Moreover, quality index is suggested to assess the similarity with colors regarding adjacency images and then it is performed by comparing and analyzing the visual and quantitative results. Consequently, we found out the suggested quality index is feasible.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 두 소프트웨어의 실험조건 중, 두 소프트웨어에서 상대적으로 우수한 성능을 나타낸 실험조건 중 4가지 모자이크 영상에 대한 세부 실험 결과만을 기술한다. Fig.
본 연구의 목적은 최신 상용 소프트웨어에서 지원하고 있는 영상 모자이크 기법을 이용하여, 제작된 모자이크 영상에 대한 품질평가 방법을 제안하는 것이다. 계절적 차이가 명확하게 반영되어 있는 7장의 KOMPSAT-2 위성영상을 대표적인 영상처리 소프트웨어에 적용하여, 모자이크 영상을 제작하였고, 각각의 결과를 비교 분석하였다.
이와 동일한 방법으로 강 유역, 비포장 도로, 그림자 지역에 대한 시각적·정략적 평가를 수행하였으며, 해당 지역에 대한 평가 결과는 정량적 평가 결과에 대해서만 간략히 요약하여 기술하고자 한다.
가설 설정
일반적인 소프트웨어에서 제공하고 있는 모자이크 기능은 크게 1) 접합선 추출 단계와 2) 색상 조정 단계로 구분 할 수 있다. C 소프트웨어의 접합선의 추출 방법은 Min difference, Min relative difference, Edgematching, Entire area으로 선택가능하며, 일반적으로 Min difference 방법이 사용된다.
제안 방법
각각의 모자이크 결과들의 세부적인 성능평가는 시각적, 정량적인 방법을 통해 진행되었다. 모자이크 영상내 동일한 특성을 지니는 지역 간 색상의 유사성 평가를 위하여, 식생 지역, 강 유역, 비포장 도로 및 그림자 지역으로 구분되는 총 4개의 특성 지역을 선정하였으며, 육안 판독을 통해 동일 특성 지역 간 색상의 유사성을 평가하였다.
본 연구의 목적은 최신 상용 소프트웨어에서 지원하고 있는 영상 모자이크 기법을 이용하여, 제작된 모자이크 영상에 대한 품질평가 방법을 제안하는 것이다. 계절적 차이가 명확하게 반영되어 있는 7장의 KOMPSAT-2 위성영상을 대표적인 영상처리 소프트웨어에 적용하여, 모자이크 영상을 제작하였고, 각각의 결과를 비교 분석하였다. 또한, 제작된 모자이크 영상 간 객관적 성능을 비교할 수 있는 정량적 평가지수를 제안하고, 시각적 분석 결과와 비교 검증을 수행하였다.
소프트웨어 C와 E에서 제공하고 있는 색상보정 방법의 선택항목을 서로 조합하여, C에서 12가지, E에서 8가지의 실험조건을 선정하였다. 구성된 실험조건에 따라 총 20장의 모자이크 영상을 제작하고, 제작된 영상을 시각적, 정량적인 방법으로 비교 평가를 수행하였다.
이와 같은 위성영상은 대상지역에 대한 자료의 양이 많을 경우, 일반적인 모자이크 자료로써 활용되지 않는다. 그러나 고해상 위성영상의 특성상 촬영 폭이 작으며, 동일한 지역에 대해 구름이 없는 완벽한 위성영상의 획득률이 매우 낮기 때문에, 본 연구에서는 일반적이고 이상적으로 활용되는 모자이크 영상의 조건을 배제하고, 현실과 현업에서 자주 볼 수 있는 환경조건의 자료를 선정하여, 연구에 활용하였다(Table 1, Fig. 1).
둘째, 두 소프트웨어를 통해 제작된 4개의 영상과 특별한 색상보정 방법을 적용하지 않은 기준 영상에 대해 본 연구에서 제안된 색상 평가지수를 적용하였다. 모든 특성지역에 대해 기준 영상에서 계산된 MSI 값이 가장 높은 수치를 나타냈으며, 소프트웨어 E에서 제작된 모자이크 영상에서 상대적으로 낮은 수치를 나타냈다.
모자이크 영상내 동일한 특성을 지니는 지역 간 색상의 유사성 평가를 위하여, 식생 지역, 강 유역, 비포장 도로 및 그림자 지역으로 구분되는 총 4개의 특성 지역을 선정하였으며, 육안 판독을 통해 동일 특성 지역 간 색상의 유사성을 평가하였다. 또한, 시각적인 결과를 정량적으로 수치화하기 위하여 각 특성지역에 대한 마스킹 영상을 추출하고, 이를 기준으로 MSI 평가지수를 계산하였다.
각각의 모자이크 결과들의 세부적인 성능평가는 시각적, 정량적인 방법을 통해 진행되었다. 모자이크 영상내 동일한 특성을 지니는 지역 간 색상의 유사성 평가를 위하여, 식생 지역, 강 유역, 비포장 도로 및 그림자 지역으로 구분되는 총 4개의 특성 지역을 선정하였으며, 육안 판독을 통해 동일 특성 지역 간 색상의 유사성을 평가하였다. 또한, 시각적인 결과를 정량적으로 수치화하기 위하여 각 특성지역에 대한 마스킹 영상을 추출하고, 이를 기준으로 MSI 평가지수를 계산하였다.
본 연구에서는 총 5개의 소프트웨어에서 기본 설정으로 제공되고 있는 모자이크 알고리즘을 적용하여, 총 5장의 모자이크 영상을 제작하였으며, 육안판독을 통해 상대적으로 우수한 성능을 나타낸 소프트웨어를 선정하였다. 본 연구의 경우, C와 E 소프트웨어를 통해 제작된 모자이크 영상이 상대적으로 우수한 결과를 나타냈으며, 선정된 두 소프트웨어로 제작된 모자이크 영상을 중심으로 세부적인 연구를 진행하였다.
본 연구에서는 총 5개의 소프트웨어에서 기본 설정으로 제공되고 있는 모자이크 알고리즘을 적용하여, 총 5장의 모자이크 영상을 제작하였으며, 육안판독을 통해 상대적으로 우수한 성능을 나타낸 소프트웨어를 선정하였다. 본 연구의 경우, C와 E 소프트웨어를 통해 제작된 모자이크 영상이 상대적으로 우수한 결과를 나타냈으며, 선정된 두 소프트웨어로 제작된 모자이크 영상을 중심으로 세부적인 연구를 진행하였다.
선정된 두 개의 소프트웨어를 이용한 세부적인 비교 연구를 위하여, 각각의 소프트웨어에서 제공하고 있는 관련 기능을 조합한 실험조건을 구성하였다. 접합선 추출 단계의 경우, C 소프트웨어는 총 4가지의 선택 사항이 있으며, E 소프트웨어는 특별한 선택사항 없이 자동으로 진행된다.
소프트웨어 C와 E에서 제공하고 있는 색상보정 방법의 선택항목을 서로 조합하여, C에서 12가지, E에서 8가지의 실험조건을 선정하였다. 구성된 실험조건에 따라 총 20장의 모자이크 영상을 제작하고, 제작된 영상을 시각적, 정량적인 방법으로 비교 평가를 수행하였다.
모자이크 영상의 성능 평가에 있어, 중요한 판단기준 중 하나는 인접한 영상 간 색상의 유사성을 측정하는 것이다. 유사성 평가는 동일한 특성을 지닌 지역의 색상이 서로 유사해야 한다는 특성을 이용하여, 각 인접 영상별로 동일한 특성을 지닌 지역을 추출하고, 각 영상별로 추출된 지역의 밴드별 평균값들의 차이를 각도로 표현하여, 그 차이를 비교하였다. 이와 같은 유사성평가 방법을 본 연구에서는 Mosaic Similarity Index (MSI)로 지칭하였으며, 다음과 같이 정의 하였다(식 1).
이에 본 연구에서는 봄, 여름, 가을, 겨울의 명확한 차이가 반영되어 있는 7장의 KOMPSAT-2 정사 영상을 대표적인 영상처리 소프트웨어에 적용, 모자이크 영상을 제작하고, 제작된 영상을 시각적, 정량적 기법을 통해 상세히 분석하였다. 특히, 모자이크 영상 내 동일한 특성을 지닌 지역의 색상은 서로 유사해야 한다는 특성을 이용하여, 각 인접 영상별로 동일한 특성을 지닌 지역을 마스킹 하고, 각 영상별로 추출된 마스킹 영상의 밴드별 평균 값들의 차이를 각도로 표현하는 정량적 평가지수를 제안하였으며, 시각적 기법과 비교 검증을 수행함으로써 제안된 방법의 적용 가능성을 검증하였다.
첫째, 5개의 상용 소프트웨어에서 제공되고 있는 모자이크 모듈을 적용하여 모자이크 영상을 제작하였으며, 육안판독을 통해 상대적으로 우수한 성능을 나타낸 소프트웨어를 선정하고, 세부적으로 분석하였다.
이에 본 연구에서는 봄, 여름, 가을, 겨울의 명확한 차이가 반영되어 있는 7장의 KOMPSAT-2 정사 영상을 대표적인 영상처리 소프트웨어에 적용, 모자이크 영상을 제작하고, 제작된 영상을 시각적, 정량적 기법을 통해 상세히 분석하였다. 특히, 모자이크 영상 내 동일한 특성을 지닌 지역의 색상은 서로 유사해야 한다는 특성을 이용하여, 각 인접 영상별로 동일한 특성을 지닌 지역을 마스킹 하고, 각 영상별로 추출된 마스킹 영상의 밴드별 평균 값들의 차이를 각도로 표현하는 정량적 평가지수를 제안하였으며, 시각적 기법과 비교 검증을 수행함으로써 제안된 방법의 적용 가능성을 검증하였다.
대상 데이터
연구에 사용된 영상은 총 7장의 KOMPSAT-2 위성영상으로 산악지역과 도심지역을 동시에 관측할 수 있으며, 우리나라 4계절(봄, 여름, 가을, 겨울)의 명확한 특성이 반영되어 있다. 이와 같은 위성영상은 대상지역에 대한 자료의 양이 많을 경우, 일반적인 모자이크 자료로써 활용되지 않는다.
데이터처리
계절적 차이가 명확하게 반영되어 있는 7장의 KOMPSAT-2 위성영상을 대표적인 영상처리 소프트웨어에 적용하여, 모자이크 영상을 제작하였고, 각각의 결과를 비교 분석하였다. 또한, 제작된 모자이크 영상 간 객관적 성능을 비교할 수 있는 정량적 평가지수를 제안하고, 시각적 분석 결과와 비교 검증을 수행하였다.
이론/모형
접합선 추출 단계의 경우, C 소프트웨어는 총 4가지의 선택 사항이 있으며, E 소프트웨어는 특별한 선택사항 없이 자동으로 진행된다. C 소프트웨어의 접합선 추출 방법은 4가지 선택사항이 있으나, 본 연구에서는 Min difference 방법을 사용하였다. 색상 조정 단계의 경우, C와 E 소프트웨어에서 각각 12가지와 8가지 실험조건을 구성될 수 있으며, 세부 사항은 Table 3에 요약된다.
유사성 평가는 동일한 특성을 지닌 지역의 색상이 서로 유사해야 한다는 특성을 이용하여, 각 인접 영상별로 동일한 특성을 지닌 지역을 추출하고, 각 영상별로 추출된 지역의 밴드별 평균값들의 차이를 각도로 표현하여, 그 차이를 비교하였다. 이와 같은 유사성평가 방법을 본 연구에서는 Mosaic Similarity Index (MSI)로 지칭하였으며, 다음과 같이 정의 하였다(식 1).
성능/효과
각각의 특성지역 간 색상은 각 모자이크 영상 간 큰 차이를 나타내지는 않았지만, 소프트웨어 E로 제작된 영상의 전반적인 색상 톤이 상대적으로 좀 더 부드럽고, 유사하게 표현되는 것으로 판단되었다.
또한, Table 4는 각 인접영상에서 추출된 마스킹 영상에 대한 밴드별 평균과, 이를 이용하여 계산된 MSI 평가지수의 결과를 나타낸다. 기준 영상과 소프트웨어 C와 E로 제작된 모자이크 영상에 대한, MSI 평가지수는 각각 14.89, 4.61, 3.66, 2.42, 2.15로 소프트웨어 E로 제작된 모자이크 영상이 상대적으로 낮은 수치를 나타냈으며, 색상보정이 수행되지 않은 기준 영상과 비교하여, 6배 이상 낮은 결과를 나타냈다. 소프트웨어 C의 경우, AdaptFilt Histogram이 AdaptFilt Overlap 보다 다소 낮은 MSI 지수를 나타냈는데, 이는 Fig.
6은 제작된 모자이크 영상의 색상 유사성 평가를 위하여, 선택된 4가지의 특성지역에서 계산된 MSI 값을 도식화하여 나타낸 것이다. 기준 영상의 경우, 원본 영상들을 별도의 색보정 처리 없이 단순 접합만을 수행하기 때문에, 인접 영상 간 색상의 이질감이 가장 크게 나타나며, 이는 제안된 색상 평가지수를 적용하였을 때 상대적으로 매우 큰 수치로 표현되었다. 각 소프트웨어 간 차이는 식생 지역에서 가장 낮게 나타냈으며, 강 유역에서 가장 큰 폭의 차이를 나타냈다.
64로 다른 밴드와 비교하여 상대적으로 높은 값을 나타냈다. 또한, C 소프트웨어의 AdaptFilt Overlap의 MSI 값은 E 소프트웨어의 결과보다 거의 2배 높은 수치를 나타냈다.
이는 모자이크 알고리즘 별로 생성되는 접합선 위치의 차이로 인하여 실험조건이 달라 질 수 있는 경우를 배제하기 위함이다. 또한, 각각 선택한 특성 지역별 MSI값이 도출 될 수 있으며, 선택 지역에 대한 MSI이 다른 지역의 MSI값보다 작을 경우, 모자이크 영상 내 접합 영상 간 해당 특성 지역의 색상이 상대적으로 더 유사하다는 것을 의미한다.
둘째, 두 소프트웨어를 통해 제작된 4개의 영상과 특별한 색상보정 방법을 적용하지 않은 기준 영상에 대해 본 연구에서 제안된 색상 평가지수를 적용하였다. 모든 특성지역에 대해 기준 영상에서 계산된 MSI 값이 가장 높은 수치를 나타냈으며, 소프트웨어 E에서 제작된 모자이크 영상에서 상대적으로 낮은 수치를 나타냈다. 이는 시각적 평가의 결과와도 일치하는 것으로 제안된 방법의 활용 가능성을 입증한 것으로 판단된다.
98의 값을 나타냈다. 소프트웨어 C의 AdaptFilt Overlap의 결과는 다른 방법들에 비해 3배 이상 가장 높은 수치를 나타냈으며, 이러한 경향은 식생지역을 제외한 강 유역, 비포장 도로, 그림자 지역 모두에서 두드러지게 나타났다.
소프트웨어 C로 제작된 결과의 경우, (c-1,2,3)이 (b-1,2,3) 보다 상대적으로 짙은 계열의 색상으로, 좀 더 일관적인 색상으로 표현되었다. 소프트웨어 E로 제작된두 결과 간 특별한 차이점이 관찰되지 않았으며, 육안으로 거의 동일한 결과를 나타냈다.
소프트웨어 E에서 제작된 모자이크 영상은 대부분의 특성지역에서 상대적으로 가장 낮고 거의 동일한 수치를 나타냄으로써, 동일 특성지역 간 색상보정 능력이 상대적으로 우수하다고 판단되었으며, 이는 육안판독의 결과와 동일하게 나타났다.
후속연구
그러나 이와 같은 연구는 바로 인접한 지역에 국한되어 수행되는 평가 방법으로 전체 모자이크 영상에 대한 색상 유사성을 평가하지는 못한다는 문제점을 지닌다. 더욱이 진행된 연구 결과는 지역 및 계절 특성이 제한된 일부 영상에서 도출된 결과가 대부분이기 때문에, 보다 다양한 특성을 지닌 영상들을 활용한 연구 범위의 확장 및 종합적인 분석, 보다 일반적으로 적용 가능한 객관적 평가지표의 정립이 요구되었다.
질의응답
핵심어
질문
논문에서 추출한 답변
유사성 평가는 어떤 특성을 이용하는가?
모자이크 영상의 성능 평가에 있어, 중요한 판단기준 중 하나는 인접한 영상 간 색상의 유사성을 측정하는 것이다. 유사성 평가는 동일한 특성을 지닌 지역의 색상이 서로 유사해야 한다는 특성을 이용하여, 각 인접 영상별로 동일한 특성을 지닌 지역을 추출하고, 각 영상별로 추출된 지역의 밴드별 평균값들의 차이를 각도로 표현하여, 그 차이를 비교하였다. 이와 같은 유사성평가 방법을 본 연구에서는 Mosaic Similarity Index (MSI)로 지칭하였으며, 다음과 같이 정의 하였다(식 1).
위성영상 모자이크는 어떤 어려움이 있는가?
위성영상을 이용한 영상지도 제작에 있어 가장 핵심적인 기술은 인접한 영상을 하나로 연결하는 모자이크 기법이다. 위성영상 모자이크의 경우, 좌·우 인접영상간 촬영시기가 일정하지 않고, 장기간에 걸쳐 촬영되는 것이 일반적이기 때문에 같은 장소라도 서로 다른 색상을 지니는 영상을 접합해야 하는 어려움이 있다. 왜냐하면, 촬영시점에 따라 계절, 대기 및 기후 등의 차이가 발생하기 때문에 같은 반사율을 가지는 지형지물(도로, 숲, 강 등)이라도 센서에서 수집되는 복사에너지의 양이 달라지며, 결과적으로 유사한 특성을 지니는 지역이라도 동일한 색상으로 표현되지 않기 때문이다(Rakwatin et al.
위성영상 모자이크는 영상 접합 시 어려움이 발생하는데 그 이유는 무엇인가?
위성영상 모자이크의 경우, 좌·우 인접영상간 촬영시기가 일정하지 않고, 장기간에 걸쳐 촬영되는 것이 일반적이기 때문에 같은 장소라도 서로 다른 색상을 지니는 영상을 접합해야 하는 어려움이 있다. 왜냐하면, 촬영시점에 따라 계절, 대기 및 기후 등의 차이가 발생하기 때문에 같은 반사율을 가지는 지형지물(도로, 숲, 강 등)이라도 센서에서 수집되는 복사에너지의 양이 달라지며, 결과적으로 유사한 특성을 지니는 지역이라도 동일한 색상으로 표현되지 않기 때문이다(Rakwatin et al., 2009).
참고문헌 (7)
Bae, K.-Y., 2007. Satistical Image Quality Measure, Korea Intelligent Information System Society, 13(4): 79-90.
Gaoyong, L., 2004. Image noise analysis with a fast lifting wavelet algorithm for objective image quality evaluation, IEEE 2004 Proc. of Third international Conference on Image and Graphics, pp.39-42.
Rakwatin, P., W. Takeuchi and Y. Yasuoka, 2009. Restoration of Aqua MODIS Band 6 using Histogram Matching and Local Least Squares Fitting, IEEE Transactions on Geosience and Remote Sensing, 47(2): 613-627.
Sakuldee, R. and S. Udomhunakul, 2008. Objective measurements of distorted image quality evaluation, ICCCE 2008 International Conference on Computer and Communication Engineering, pp.1046-1051.
Wang, Z. and A. C. Brovik, 2002. A universal image quality index, IEEE Signal Processing Letters, 9(3): 81-84.
Woo, H.-S., 2009. Quality Assessment of Mosaic Image of Airborn Digital Frame Camera Image, Master's Thesis, Inha University, Korea.
Zheng, L., J. Zhang and Y. Luo, 2006. Color matching in colour remote sensing image, IEEE IMSCCS'06 First International Multi-Symposiums on Computer and Computational Sciences, 1: 303-306.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.